基于遗传算法和模糊C均值聚类的WSN分簇路由算法

针对无线传感器网络（WSN）的节点能量有限、生命周期短、吞吐量低等问题，提出一种基于遗传算法（GA）和模糊C均值（FCM）聚类的WSN分簇路由算法GAFCMCR，采取"集中分簇，分布簇头选举"的方式。网络初始化时基站采用由GA优化的FCM聚类算法形成网络分簇。第一轮簇头由距簇中心最近的节点担任；从第二轮开始，簇头的选举由上一轮的簇头负责，选举过程综合考虑候选节点的剩余能量、与基站的距离、与簇内其他节点的平均距离三个因子，并根据网络状态实时调整三个因子的权重。在数据传输阶段，将轮询机制引入簇内通信。仿真结果表明，相同网络环境下，与LEACH算法和基于K-Means的均匀分簇路由（KUCR）算法相比，GAFCMCR将网络生命周期延长了105%和20%。GAFCMCR成簇效果良好，具有良好的能量均衡性和更高的吞吐量。     

基于最优簇数和改进引力搜索的WSN路由算法

为了提高无线传感器网络（WSN）的能量利用效率,提出一种基于最优簇数和改进引力搜索的WSN路由算法（ONCIGS）。首先,根据非均匀分簇的思想计算最优簇数,并采用改进的凝聚嵌套（AGNES）算法实现网络的合理分簇;其次,将反向学习机制和精英策略思想引入到引力搜索算法中,并基于种群密度对作用力进行自适应调整,以提高搜索精度,加快收敛;然后,将簇头剩余能量的标准差作为目标函数,搜索能量均衡的簇间数据转发路径。实验结果表明,相比低功耗自适应集簇分层型（LEACH）路由算法和分布式能量均衡非均匀成簇（DEBUC）路由算法,ONCIGS在100 m×100 m网络规模下将网络生命周期分别延长41.94%和5.77%,在200 m×200 m网络规模下分别延长76.60%和7.82%。ONCIGS能够有效地延长网络寿命,提高能量效率。     

一种基于测量数据相似性的WSN分簇路由方法

针对无线传感器网络(Wireless Sensor Network, WSN)中节点能量有限、节点能耗不均衡导致网络生命周期较短的问题,提出一种基于测量数据相似性的分簇路由算法CRMDS(A WSN Clustering Routing Method based on Measured Data Similarity)。在分簇阶段,设计自适应聚类算法,将测量值相似性高的节点分为一簇,在每个簇中选择一个节点传送数据,簇内其他节点进入睡眠模式以节省网络能量。在数据传输阶段,根据节点的剩余能量和传送能耗动态地更替簇头节点,并设计传送次数因子和相对距离因子生成簇头节点之间的路由路径,平衡节点能耗。仿真结果表明,CRMDS算法相较于现有算法能够有效节省网络能量,延长网络生命周期。     

基于FCM聚类和蚁群优化的WSN路由算法

在无线传感器网络(WSN)中生命周期的研究中,提出一种基于LEACH协议、Fuzzy C-Means(FCM)聚类算法和蚁群算法的改进路由算法。首先在预处理阶段FCM聚类算法将节点距离形成多个簇,避免每轮成簇造成能量浪费。然后在数据传输阶段使用蚁群算法寻找从簇头到基站的最优路径。仿真结果表明,该算法与LEACH协议相比,能够有效减少能量消耗、延长网络寿命。     

一种基于蚁群算法的能量有效WSN分簇算法

由于无线传感器网络节点的能量限制,如何延长网络和节点的寿命成为其核心问题之一。LEACH协议是WSN中的低功耗白适应分层路由算法,但由于其随机性的特点,难以形成最优拓扑结构,同时分簇时未考虑簇头节点剩余能量,节点能耗分布不平均。本文提出一种考虑能量有效的基于ACO的分簇算法,通过群集作用动态选择簇头节点,延长了网络寿命,仿真结果表明其性能优于LEACH。     

基于吸引因子和混合传输的分簇路由算法

为了能够有效地降低无线传感器网络(WSN)的能耗,延长网络生命周期,对低功耗自适应集簇分层型(LEACH)协议等多个分簇路由协议进行分析,并针对其算法存在的缺陷提出基于吸引因子和多跳传输的分簇路由算法(CRAH)。针对不合理的簇头选择问题,采用加权和的方法将节点剩余能量与节点位置两个参数,作为簇头选择的新指标;对簇头节点的任务进行重新分配,选出新的融合节点;融合节点和基站的通信采用单跳与多跳相结合的混合传输方式,结合吸引因子和Dijkstra算法提出新的基于吸引因子的Dijkstra(AF-DK)算法,为融合节点找到最优转发路径。仿真结果表明,与LEACH、集中式低功耗自适应集簇分层型(LEACH-C)路由和固定簇半径的分簇(HEED)等协议相比,CRAH使网络寿命分别提高了约51.56%、47.1%和42%,网络能耗速度明显减缓,基站接收的数据量平均减少了69.9%。CRAH使簇头选择更加合理,有效减少了通信过程中的冗余数据,均衡了网络能耗,延长了网络生命周期。     

基于环分块的能耗均衡分簇路由算法

针对无线传感器网络（WSN）中节点能耗不均衡和能量效率低而影响网络生命周期的问题，提出了基于环分块的能耗均衡分簇路由算法（EBCR-RP）。首先，计算网络能耗最低的单跳距离，并将其作为环间距；然后，优化每环的簇数目，并对每环进行均匀分块，且在每块中选取能量最高的节点担任簇头，以均衡网络能耗；最后，设计传输代价函数，搜索簇头和汇聚节点之间数据的最佳传输路径，以提高网络能量效率。仿真结果表明，EBCR-RP与模糊理论簇形成协议（FLCFP）和改进的非均匀分簇路由（IUCR）算法相比，网络的生命周期分别延长了51.4%和8.6%。EBCR-RP能够有效地延长网络生命周期，均衡网络能耗，提高能量效率。     

基于能量均衡高效WSN的分簇路由算法

针对无线传感器网络(WSN)节点能耗不均衡导致网络生存时期短的问题,提出一种基于改进人工蜂群算法(CTABC)和模糊C均值(FCM)聚类的分簇路由算法(AFCR).簇构建阶段,基站采用由CTABC优化的FCM对网络节点聚类分簇;每个簇内,节点基于自身状态分布式竞选簇首;簇间路由阶段,通过引入经济学中的基尼系数对蚁群优化(ACO)进行改进,提出一种基于改进ACO的簇间路由算法;簇内通信阶段,引入区分忙闲节点的轮询控制机制.在不同的场景中对所提协议进行仿真,实验结果表明,与FIGWO和GAFCMCR算法相比,AFCR能够有效地均衡网络能耗,延长网络生存期,提高网络吞吐量.     

一种改进的LEACH模型及其仿真分析

为了最大限度地延长无线传感器网络生命周期,对无线传感器网络传统路由算法低功耗自适应聚类LEACH进行改进,改进后的算法命名为LEACH-EC.在广播阶段选取簇头节点时引入高概率选取机制,根据节点的剩余能量和节点的集中度选取簇头节点,选取的簇头节点兼顾了节点剩余能量和节点分布状况.实验结果表明,LEACH-EC算法选取的簇头节点性能较优,能有效地减少簇内节点传输能量消耗.因此,LEACH-EC算法能够均衡无线传感器网络能耗负载,延长无线传感器网络生命周期     

一种新的基于LEACH的WSN分簇协议

LEACH是针对无线传感器网络设计的低功耗自适应分簇聚类路由算法,与一般的平面多跳路由算法相比,LEACH算法可以将网络生命周期延长15%。但是,靠近汇聚节点的簇头节点由于转发大量数据而导致自身能量消耗过快且节点易失效,从而造成网络分割,形成＂热区＂的问题,提出了一种新颖的基于分区能耗均衡的多跳非均匀分簇算法（CEUC）。改进后的算法采用固定分簇的方式;形成的簇是不均匀簇,即靠近Sink节点的簇的半径较大,而远离Sink节点的簇的半径较小;簇首选择的依据是节点的剩余能量。仿真实验结果表明,该路由协议有效地平衡了无线传感器网络的节点能耗,延长了网络的存活时间。     

基于蚁群的无线传感器网络分簇路由算法

在研究经典低能量自适应分簇路由算法的基础上,提出基于蚁群的无线传感器网络分簇路由算法。该算法将蚁群算法应用到簇间路由机制中,寻找簇头到基站的最佳路径,使得离基站较远的簇头节点沿着最佳路径传输信息,有效地减少了簇头节点的能量开销。同时,在簇头选举时,该算法不仅考虑簇头节点的剩余能量,而且兼顾簇头与簇头之间的距离,使得簇头分布更加均匀。仿真结果表明,该算法和LEACH及DADC算法相比,有效地均衡了网络能量消耗,并延长了网络生命周期。     

无线传感器网络中基于能量优化的路由协议ANT-LEACH

经典路由协议LEACH采用自适应分簇算法,簇头与基站直接通信,因此一旦二者距离较远,则这种单跳传输方式将消耗较多能量,并最终导致整个网络运行失效。提出一种改进的基于能量优化的路由协议ANT LEACH,该协议将蚁群优化算法融入到簇头选路过程中,重点引入引力度函数概念对蚁群选择概率公式和信息素更新规则进行改进,充分考虑簇头节点的剩余能量,在簇头与基站之间找到一条能量最优路径,变单跳为多跳传输方式。仿真结果表明该协议有效地降低了节点能耗,延长了网络的生存时间,并保证了整个网络负载的平衡。     

基于群智能算法无线传感网络分簇路由协议

无线传感网络路由协议——LEACH协议(Low Energy Adaptive Clustering Hierarchy)是一种经典的分簇路由协议,LEACH协议相比其他平面路由协议生命周期提高15%以上。然而LEACH协议还是存在不少使能耗过大的缺陷,为改进LEACH协议这些缺陷本文提出了一种节能高效的基于群智能算法的智能分簇路由协议SI-CRP协议(Swarm Intelligence-Clustering Routing Protocol)。     

Novel fuzzy clustering scheme for 3D wireless sensor networks

In this paper, we consider the sensor-energy optimization in 3D Wireless Sensor Networks (WSNs), which determines an optimal topology of sensors to prolong the network lifetime and reduce the energy expenditure. A new mathematical model for clustering in 3D WSN, considering energy consumption, constraints of communication and a 3D energy function, is presented. Using the Lagrange multiplier method, solutions of the model consisting of cluster centres and the membership matrix are computed and used in the new algorithm, called FCM-3 WSN. Experimental validation on real 3D datasets demonstrates that FCM-3 WSN outperforms the relevant methods, namely, Low-Energy Adaptive Clustering Hierarchy (LEACH), Centralized LEACH (LEACH-C), Single-hop Clustering and Energy-Efficient Protocol (SCEEP), Hybrid-Low Energy Adaptive Clustering Hierarchy (H-LEACH), K-Means and Fuzzy C-Means (FCM).     

基于模糊控制的自供能无线传感器网络分簇算法

现有自供能无线传感器网络（WSN）分簇算法较少考虑网络最优分簇数，导致网络能量消耗过快，全网能耗不均衡。针对这个问题，提出了基于模糊控制的自供能WSN分簇算法（EH-FLC）。首先，在网络能量消耗模型中引入太阳能补给模型，得出每一轮次网络能量总消耗与网络分簇数目的函数关系，并对其求导从而得到网络的最佳分簇数。然后，利用双层模糊决策系统来评定网络中的节点能否成为簇头节点。先将节点剩余能量、相邻节点数作为判定指标输入第一层（能力层）对所有节点进行筛选，得到备选簇头节点；再将中心度参数、邻近度参数作为判定指标输入第二层（协作层）对备选簇头节点进行筛选，得到网络簇头节点。最后，通过Matlab仿真分析了该算法的网络生存周期、网络能量消耗和网络吞吐量等性能指标，与低功耗自适应集簇分层型协议（LEACH）、改进的非均匀分簇路由算法（WUCH）和利用双层模糊控制的簇头选择算法（CTLFL）相比，该算法在网络工作寿命上分别提高了约1.4倍、0.4倍和0.6倍，网络吞吐量上分别提高了约20倍、1.5倍和1.28倍。仿真结果表明所提算法在网络生存周期和网络吞吐量方面的性能较优。     

负载均衡的无线传感器网络自适应分组成簇算法

分析了分簇路由协议中的经典低功耗自适应集簇分层型协议(LEACH)算法与分组成簇算法--SGCH的不足,提出了一种分布式分组成簇算法--AGCH。首先分布式随机生成候选组首,然后通过距离竞争将所有节点分为固定的分组;各分组选取簇首时,综合考虑节点的剩余能量及其簇内通信代价。仿真实验表明,该算法能有效均衡网络能耗,延长网络的稳定期。     

基于模糊控制的自供能无线传感器网络分簇算法

现有自供能无线传感器网络（WSN）分簇算法较少考虑网络最优分簇数,导致网络能量消耗过快,全网能耗不均衡。针对这个问题,提出了基于模糊控制的自供能WSN分簇算法（EH-FLC）。首先,在网络能量消耗模型中引入太阳能补给模型,得出每一轮次网络能量总消耗与网络分簇数目的函数关系,并对其求导从而得到网络的最佳分簇数。然后,利用双层模糊决策系统来评定网络中的节点能否成为簇头节点。先将节点剩余能量、相邻节点数作为判定指标输入第一层（能力层）对所有节点进行筛选,得到备选簇头节点;再将中心度参数、邻近度参数作为判定指标输入第二层（协作层）对备选簇头节点进行筛选,得到网络簇头节点。最后,通过Matlab仿真分析了该算法的网络生存周期、网络能量消耗和网络吞吐量等性能指标,与低功耗自适应集簇分层型协议（LEACH）、改进的非均匀分簇路由算法（WUCH）和利用双层模糊控制的簇头选择算法（CTLFL）相比,该算法在网络工作寿命上分别提高了约1.4倍、0.4倍和0.6倍,网络吞吐量上分别提高了约20倍、1.5倍和1.28倍。仿真结果表明所提算法在网络生存周期和网络吞吐量方面的性能较优。